公开(公告)号：CN119942347A

公开(公告)日：2025-05-06

申请号：CN202510118945.1

申请日：2025-01-24

Applicant: 西安电子科技大学

Inventor： 张向荣 ,  徐宏伟 ,  邱荣霞 ,  吴诗琪 ,  王冠淳 ,  韩骁 ,  朱进 ,  焦李成

IPC: G06V20/10 ,  G06V10/764 ,  G06T5/50 ,  G06T3/4038 ,  G06T3/4046 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0499 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了基于对偶光谱亲和约束的高光谱异常检测方法，包括以下步骤；步骤1：对输入高光谱图像H进行预处理；步骤2，构建基于对偶光谱亲和约束的高光谱异常检测模型Ω；所述高光谱异常检测模型Ω以预处理的高光谱图像H为输入，将重构#imgabs0#拼接成重构图像H′，计算对高光谱图像H和重构图像H′的重构误差，并计算马氏距离得到异常检测结果；步骤3：定义高光谱异常检测模型Ω的均方误差损失函数Loss；步骤4：训练高光谱异常检测模型Ω；步骤5：利用完成训练的高光谱异常检测模型Ω进行异常检测重构。本发明具有同时捕捉每个像素独特特征以及与邻域像素之间的光谱亲和关系的特点。

公开(公告)号：CN119295769A

公开(公告)日：2025-01-10

申请号：CN202411296338.6

申请日：2024-09-18

Applicant: 西安现代控制技术研究所 ,  西北工业大学 ,  西安电子科技大学

Inventor： 程鹏飞 ,  郑菊红 ,  赵军民 ,  任海鹏 ,  王永峰 ,  李鹏 ,  徐宏伟 ,  张华涛 ,  王琨 ,  潘静 ,  李雷达 ,  石延新

IPC: G06V10/46 ,  G06V10/44 ,  G06V10/80 ,  G06V10/77 ,  G06V10/774 ,  G06V10/776

Abstract: 本发明公开了一种先验知识辅助的图像特征点检测方法，首先为了提取多尺度特征，对输入图片进行2次下采样得到3组图像；3组图像分别经过特征提取模块和多组特征融合模块得到最终的响应图；特征提取模块由主分支和子分支构成；主分支以Sobel边缘检测结果作为输入，部分参数学习DoG极值结果，实现同时学习深度特征和先验知识；子分支使用高斯滤波构建尺度金字塔并以DoG空间为标签进行学习；为了实现深度特征和先验知识融合，主分支的特征表示和子分支的特征表示通过提出的知识融合模块进行融合。本发明方法引入先验知识后在提高特征点检测性能和模型鲁棒性方面具有巨大潜力，为未来计算机视觉中的特征点检测和匹配任务提供了新的研究方向。

公开(公告)号：CN120032130A

公开(公告)日：2025-05-23

申请号：CN202510190948.6

申请日：2025-02-20

Applicant: 西安电子科技大学

Inventor： 张向荣 ,  徐宏伟 ,  余青阳 ,  朱晓倩 ,  张天扬 ,  李鹏 ,  韩骁 ,  朱进

IPC: G06V10/26 ,  G06V20/10 ,  G06V20/13 ,  G06V10/774 ,  G06V10/77 ,  G06V10/764 ,  G06V10/82 ,  G06N3/084 ,  G06N3/0895

Abstract: 基于半监督原型表征学习和伪标签平衡的SAR图像道路分割方法，包括以下步骤；步骤1：将SAR道路数据集划分成有标签数据和无标签数据；步骤2；对有标签数据训练计算交叉熵损失并输出分割结果；在反向传播中优化分割网络；步骤3：获取特征预测和特征映射；步骤4：基于伪标签中类别频率动态调整特征预测；步骤5：对调整后的特征预测进行交叉熵损失计算；步骤6：进行无标签数据原型损失计算；步骤7：进行交叉监督损失计算；步骤8：对特征映射和无标签原型进行原型一致性正则化；步骤9：进行指数移动平均更新对原型进行更新；步骤10：对道路图像进行分割预测。本发明利用有标签数据以及无标签数据，在有标签样本较少的情况下提高分割准确率。

公开(公告)号：CN119068217A

公开(公告)日：2024-12-03

申请号：CN202411122743.6

申请日：2024-08-15

Applicant: 西安电子科技大学

Inventor： 张向荣 ,  罗仁俊 ,  李鹏 ,  徐宏伟 ,  白昆 ,  曾庆杰 ,  张天扬

IPC: G06V10/62 ,  G06V10/44 ,  G06V10/80 ,  G06V10/40 ,  G06V10/77 ,  G06V10/75 ,  G06V10/74 ,  G06V10/143 ,  G06V20/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了基于特征局部校正和多模态信道稀疏选择提示的红外跟踪方法，包括以下步骤；步骤(1)：将多模态视频按照时间顺序截取为多帧静止图像，得到数据集，对于训练阶段和跟踪阶段进行不同操作；步骤(2)：使用数据集训练微调网络权重参数，得到算法网络权重，在跟踪阶段的网络加载权重时，使用该网络权重参数进行推理；步骤(3)：加载训练阶段得到的网络权重参数，然后在视频首帧中标注出目标所在位置，将在未来帧中持续跟踪该目标，输出该目标的位置信息。本发明通过提示模块从语义空间两个角度考虑了不同模态特征的内在联系和互补性，提高了提示信息的有效性。通过特征校正模块，有效解决了因空间未对齐造成的特征偏差问题。